林樹鋒, 王冬姣, 葉家瑋, 劉 鯤

?

基于蟻群算法的水下機器人機械臂工作路徑優(yōu)化

林樹鋒, 王冬姣, 葉家瑋, 劉 鯤

(華南理工大學 土木與交通學院, 廣州 廣東, 510641)

為了提高水下機器人機械臂對導管架清污的工作效率, 縮短電機持續(xù)高負荷工作的時間, 在采用聲吶回波數(shù)據(jù)識別工作區(qū)域附著物分布圖的基礎(chǔ)上, 分別以工作時間最短和能耗最小為優(yōu)化目標, 提出基于蟻群算法的機械臂工作路徑規(guī)劃算法。通過MATLAB和PRO/E軟件建立機械臂三維運動學模型, 在某一隨機附著物分布條件下, 采用以上2種路徑優(yōu)化算法得到相應(yīng)的優(yōu)化路徑。仿真結(jié)果表明, 與傳統(tǒng)的掃描路徑相比, 文中提出的2種優(yōu)化算法在滿足工作區(qū)域范圍的前提下, 能提高機械臂2倍以上的工作效率并降低50%的能耗, 證明了該路徑優(yōu)化算法的有效性。

水下機器人; 蟻群算法; 路徑優(yōu)化

0 引言

導管架平臺是近海油氣開采的主要基礎(chǔ)設(shè)施, 其安全性能關(guān)系到人員和生產(chǎn)安全。而在平臺服役期間, 由于大量海洋生物長時間附著在導管架上, 會造成導管架平臺樁基的嚴重腐蝕, 從而危害平臺安全。據(jù)統(tǒng)計每年約有8%～10%的海洋平臺因為海洋生物腐蝕發(fā)生過事故, 造成的損失高達數(shù)百億美元[1]。因此, 導管架水下部分結(jié)構(gòu)一般需要定期清理維護。

目前, 國內(nèi)外研究機構(gòu)針對導管架附著生物主要采用刷具和高壓水射流技術(shù)的清洗方式, 并成功研制出模型機用于作業(yè), 例如哈爾濱工程大學機器人研究所研制的永磁吸附履帶式攀爬機器人[2]、美國卡內(nèi)基梅隆大學研制的干燥橡膠粘附材料微型機器人等[3]。這類機器人均采用壁面吸附原理, 體積較小, 負載能力較低, 限制了其工作強度。針對上述問題, 文中采用雙抱臂系統(tǒng)設(shè)計了一臺用于深海除污的水下機器人。機器人配備了一個6自由度的機械臂, 在機械臂末端安裝了高壓水槍, 如圖1所示。由于深海作業(yè)環(huán)境下海水能見度低, 除了裝有攝像頭外, 通過借鑒湯渭霖[4]、朱利超等[5]利用聲吶目標回波的亮點模型原理進行聲吶成像上的研究成果, 在機器人本體裝配了一套用于識別工作區(qū)域的聲吶系統(tǒng)。

圖1 雙抱臂機器人

導管架平臺結(jié)構(gòu)體積龐大, 水下清污作業(yè)工作量大, 如何合理規(guī)劃機器人的機械臂作業(yè)路徑, 高速有效地完成清洗任務(wù), 顯得十分關(guān)鍵。文中利用聲吶回波數(shù)據(jù)識別工作區(qū)域, 得到海蠣子等附著物分布圖像, 采用蟻群算法以時間最優(yōu)和能量最優(yōu)作為優(yōu)化目標, 規(guī)劃機械臂的工作路徑,使其能夠高速有效地完成清洗任務(wù)。

1 機械臂工作路徑優(yōu)化理論

1.1 機械臂關(guān)節(jié)空間軌跡求解

機械臂主要由連桿和連桿間的關(guān)節(jié)組成。每個連桿用4個運動學參數(shù)描述, 即連桿長度、連桿偏移量、關(guān)節(jié)角和扭轉(zhuǎn)角。這種用連桿參數(shù)描述機構(gòu)運動關(guān)系的規(guī)則稱為D-H參數(shù)[6]。

文中研究的水下機器人工作機械臂示意圖如圖2 所示, 其連桿主要幾何參數(shù)見表1。根據(jù)連桿參數(shù)可得到各連桿的變換矩陣為

圖2 6自由度機械臂簡圖

表1 機械臂D-H參數(shù)表

1.2 蟻群優(yōu)化算法

蟻群算法是一種仿生學算法。螞蟻在覓食過程中會釋放信息素, 這些信息素會形成一條指示軌跡。從起點到終點, 在短路徑上留下激素的量越多, 在長路徑上留下的激素就越少。以此類推, 后來的螞蟻選擇激素濃度大的路徑概率就越大, 反之, 則越小[7]。圖3為蟻群覓食模擬原理圖。

圖3 蟻群覓食模擬圖

圖中:是蟻穴,是食物源, 螞蟻只能通過或由到。由于路徑更短, 螞蟻在其上留下的信息素強度高, 該路徑被其他螞蟻選擇的概率就高。隨著信息素的積累, 螞蟻趨向于路徑。

在路徑優(yōu)化問題中, 螞蟻隨機分配到各個目標位置, 且各目標位置只能被訪問一次, 故螞蟻(=1, 2, 3,…,)在點訪問下一個點的概率為

式中: ρ為信息素衰減系數(shù); 為上次搜索路徑后的信息素; 為第ｋ只螞蟻的搜索路徑; 為第ｋ只螞蟻在路徑上的信息素增量, Q為信息素增量系數(shù), 為本次搜索的最優(yōu)解, 與有關(guān)。蟻群算法步驟如圖4所示。

2 基于蟻群算法的機械臂路徑優(yōu)化

文中采用MATLAB和PRO/E軟件建立三維仿真系統(tǒng), 模擬水下機器人在直徑為1 m的導管架立柱上進行作業(yè), 對機械臂進行路徑優(yōu)化。機械臂的工作空間如圖5所示, 根據(jù)機械臂的工作空間及聲吶回波數(shù)據(jù)成像, 得到機器人當前位置下可工作柱面上海洋生物附著位置信息, 即機械臂的工作目標點。假設(shè)獲得的工作點分布如圖6所示。其中1號點為初始位姿末端所處的位置, 其余點均分布于圓柱面上, 隨機編號。目標點的坐標以及對應(yīng)的關(guān)節(jié)角度如表2所示。根據(jù)不同優(yōu)化目標, 對機械臂進行運動學和動力學分析, 得到優(yōu)化軌跡。

2.1 能量最優(yōu)的優(yōu)化結(jié)果

針對深海水下機械臂, 運用疊加原理將水動力分解為靜水環(huán)境下的攪水力和來流沖擊力。采用Morison公式估算機械手的攪水力, 因機械手是慢速運動, 故忽略輻射阻尼的影響, 只考慮機械手的附加質(zhì)量所引起的附加力矩。機械臂幾何外形近似長方體, 附加質(zhì)量系數(shù)取1.2, 產(chǎn)生的附加轉(zhuǎn)動慣量約為浮重條件下的14%。結(jié)合式(6)得到如表3所示的機械臂動力學參數(shù)表。

圖5 機械臂工作空間

圖6 工作點分布的聲吶掃描成像結(jié)果

表2 導管架圓柱表面目標點坐標和關(guān)節(jié)角度(前10個點)

表3 機械臂動力學參數(shù)

根據(jù)表3計算結(jié)果, 建立以能量最優(yōu)為目標的數(shù)學模型

圖7和圖8為以能量最優(yōu)為優(yōu)化目標的優(yōu)化結(jié)果, 得到該種優(yōu)化方式下的最佳路徑: 1–22– 13–20–21–18–17–2–19–11–30–23–25–26–6–7–10–16–15–4–24–14–8–3–5–12–9–28–29–31–32–27。

圖7 能量最優(yōu)路徑優(yōu)化結(jié)果

圖8 能量最優(yōu)迭代曲線

2.2 時間最優(yōu)的優(yōu)化結(jié)果

在以時間最優(yōu)為優(yōu)化目標的算法中, 不考慮機械臂4個大關(guān)節(jié)的差別, 假定每次只轉(zhuǎn)動一個關(guān)節(jié), 且各關(guān)節(jié)轉(zhuǎn)動相同角度所需的時間相同, 研究如何規(guī)劃目標點的順序, 使機械臂的所有關(guān)節(jié)轉(zhuǎn)動的角度之和最小, 即所用的時間最小。

其數(shù)學模型表達式

優(yōu)化結(jié)果如圖9和圖10所示。得到以時間最優(yōu)為優(yōu)化目標的最佳路徑: 1–9–23–30–11–9–2– 17–21–18–20–13–22–26–25–10–6–7–12–5–16–15–4–14–3–8–29–32–31–28–27–24。

圖9 時間最優(yōu)路徑優(yōu)化結(jié)果

圖10 時間最優(yōu)迭代曲線

3 優(yōu)化方法對比分析

在評估中添加以掃描方式得到的路徑作為參照, 根據(jù)式(8)和式(10)計算這3種算法的路徑優(yōu)劣性, 其對照結(jié)果如圖11所示。由表可知, 3種路徑規(guī)劃中, 以能量消耗為優(yōu)化指標時, 第2種優(yōu)化方式僅僅比第1種多3%; 以時間耗費為優(yōu)化指標時, 第1種優(yōu)化方式比第2種高13%, 這2種優(yōu)化方法結(jié)果差異較小; 相比前2種, 第3種傳統(tǒng)掃描路徑在2個指標均高出1倍多, 也就是說在機械臂第2工作階段中, 無論采用能量最優(yōu)還是時間最優(yōu)的算法, 均能使機械臂的能量和時間消耗相比于掃描路徑方式節(jié)省50%以上, 大大提高機械臂的工作效率。

圖11 優(yōu)化方法對照結(jié)果

4 結(jié)束語

文中針對水下除污機器人的工作流程研究了基于能量和時間最優(yōu)的蟻群算法, 其中考慮了如何在利用聲吶成像原理獲取導管架平臺工作區(qū)域目標點的基礎(chǔ)上, 求解目標點與機械臂角度的數(shù)學關(guān)系, 建立機械臂轉(zhuǎn)動角度與優(yōu)化目標的數(shù)學模型, 并利用MATLAB軟件進行仿真, 得到了最佳工作路徑。仿真結(jié)果表明該算法簡單有效。

但文中求解的最終方案是假定機械臂預(yù)設(shè)工作路徑中不會出現(xiàn)碰撞問題, 這個與現(xiàn)實工作情況有一定差距, 需要在優(yōu)化算法中添加無碰撞約束條件, 這將是今后進一步的研究方向。

[1] 魏羲. 淺談海洋生物污損對導管架平臺安全的影響[J].全面腐蝕控制, 2015, 29(2): 55-57. Wei Xi. Discussion on the Influence of Marine Biofouling of Jacket Platform Security[J]. Total Corrosion Control, 2015, 29(2): 55-57.

[2] 付宜利, 李志海. 爬壁機器人的研究進展[J]. 機械設(shè)計, 2008, 25(4): 1-5.Fu Yi-li, Li Zhi-hai. Researching Headway of Wall-Climbing Robots[J]. Journal of Machine Design, 2008, 25(4):1-5.

[3] Mel Siegel. Remote and Automated Inspection: Status and Prospects[C]//The First Join DoD/FAA/NASA Conference on Aging Aircraft. Ogden UT: DoD/FAA/NASA Conference on Aging Aircraft, 1997.

[4] 湯渭霖. 聲吶目標回波的亮點模型[J]. 聲學學報, 1994, 19(2): 92-100. Tang Wei-lin. Highlight Model of Echoes from Sonar Targets[J]. Acta Acustica, 1994, 19(2): 92-100.

[5] 朱利超, 魏鵬舉, 高杰, 等. 基于亮點模型的水下目標近程回波仿真研究[J]. 艦船電子工程, 2011, 31(11): 153-155. Zhu Li-chao, Wei Peng-ju, Gao Jie, et al. Simulation of Echoes from Underwater Scaling Targets in Short Range Based on Highlight Model[J]. Ship Electronic Engine-ering, 2011, 31(11): 153-155.

[6] Denavit J, Hartenberg R S. A Kinematic Notation for Lower Pair Mechanisms Based on Matrices[J]. ASME Journal of Applied Mechanics, 1955, 77(6): 215-221.

[7] 吳慶洪, 張穎, 馬宗民. 蟻群算法綜述[J]. 微計算機信息, 2011, 27(9): 1-2, 5. Wu Qing-hong, Zhang Ying, Ma Zong-min. Review of Ant Colony Optimization[J]. Control & Automation, 2011, 27(9): 1-2, 5.

Working Path Optimization of Manipulator Arm of Underwater Robot Based on Ant Colony Algorithm

LIN Shu-feng, WANG Dong-jiao, YE Jia-wei, LIU Kun

(School of Civil and Transportation Engineering, South China University of Technology, Guangzhou, 510641, China)

To improve the efficiency of the manipulator arm of an underwater robot for cleaning jackets and to shorten the motor working time under high load, the sonar echo data are used to identify the distribution of attachments onto the working area,and two working path planning algorithms of manipulator arm based on ant colony algorithm is proposed by respectively taking the shortest working time and the minimum energy consumption as the optimization targets. A three-dimensional kinematic model of the manipulator arm is established through the software MATLAB and PRO/E. Two optimal paths are obtained by the proposed algorithms for a certain random attachment distribution. Simulation results show that compared with the traditional scan path, the proposed two working path planning algorithms increase the working efficiency of the manipulator arm by more than 2 times and reduce its energy consumption by 50% under the premise of satisfying the range of working area, verifying the feasibility of the two proposed path planning algorithms.

underwater robot; ant colony optimization; path optimization

林樹鋒, 王冬姣, 葉家瑋, 等. 基于蟻群算法的水下機器人機械臂工作路徑優(yōu)化[J]. 水下無人系統(tǒng)學報, 2019, 27 (1): 45-50.

TP241.3; TE58

A

2096-3920(2019)01-0045-06

10.11993/j.issn.2096-3920.2019.01.008

2018-08-31;

2018-11-14.

國家重點研發(fā)計劃項目(2016YFC1400202); 廣東省科技項目(2015B010919006); 中國博士后面上基金資助(2017M6 22692).

林樹鋒(1993-), 男, 在讀碩士, 主要研究方向為水下機器人運動控制.

劉 鯤(1986-), 男, 講師, 主要研究方向為海洋工程結(jié)構(gòu)振動控制, 電子郵箱: kunliu_hit@hotmail.com.

(責任編輯: 陳 曦)